Question

我决定将libxml2解析器用于我的qt应用程序，并且我坚持使用xpath表达式。我找到了一个示例类和方法，并根据我的需要对其进行了修改。代码

QStringList* LibXml2Reader::XPathParsing(QXmlInputSource input)
{
    xmlInitParser();

    xmlDocPtr doc;
    xmlXPathContextPtr xpathCtx;
    xmlXPathObjectPtr xpathObj;
    QStringList *valList =NULL;

    QByteArray arr = input.data().toUtf8();  //convert input data to utf8
    int length = arr.length();
    const char* data = arr.data();

    doc = xmlRecoverMemory(data,length); // build a tree, ignoring the errors
    if(doc == NULL) { return NULL;}

    xpathCtx = xmlXPathNewContext(doc); 
    if(xpathCtx == NULL)
    {
        xmlFreeDoc(doc);
        xmlCleanupParser();
        return NULL;
    }

    xpathObj = xmlXPathEvalExpression(BAD_CAST "//[@class='b-domik__nojs']", xpathCtx); //heres the parsing fails
    if(xpathObj == NULL)
    {
        xmlXPathFreeContext(xpathCtx);
        xmlFreeDoc(doc);
        xmlCleanupParser();
        return NULL;
    }

    xmlNodeSetPtr nodes = xpathObj->nodesetval;
    int size = (nodes) ? nodes->nodeNr : 0;
    if(size==0)
    {

        xmlXPathFreeContext(xpathCtx);
        xmlFreeDoc(doc);
        xmlCleanupParser();
        return NULL;
    }
    valList = new QStringList();
    for (int i = 0; i < size; i++)
    {
        xmlNodePtr current = nodes->nodeTab[i];
        const char* str = (const char*)current->content;
        qDebug() << "name: " << QString::fromLocal8Bit((const char*)current->name);
        qDebug() << "content: " << QString::fromLocal8Bit((const char*)current->content) << "\r\n";
        valList->append(QString::fromLocal8Bit(str));
    }

    xmlXPathFreeObject(xpathObj);
    xmlXPathFreeContext(xpathCtx);
    xmlFreeDoc(doc);
    xmlCleanupParser();
    return valList;
}

作为一个示例，我向http://yandex.ru/发出请求并尝试获取类b-domik__nojs的节点，该节点基本上是一个div。

xpathObj = xmlXPathEvalExpression(BAD_CAST "//[@class='b-domik__nojs']", xpathCtx); //heres the parsing fails

问题是表达式//[@class='b-domik__nojs']根本不起作用。我在firefox xpath分机和Opera开发工具xpath分机中查看了它。在那里这个表达完美。

我还尝试使用属性来获取其他节点，但出于某种原因，{0}的ANY属性失败。我的方法有什么问题吗？此外，当我使用xpath加载树时，它在调试输出中给了我很多解析器错误。

好的，我使用xmlRecover函数稍微玩了一下，并使用libxml2表达式来获取文档中的所有元素，但是！它只返回body标签的第一个子节点中的元素。 This is the yandex.ru dom tree

所以基本上它会获取第一个div "//*"中的所有元素，但由于某种原因，它不会查找"div class="b-line b-line_bar"的其他子节点中的其他元素。

为什么会这样？也许<body>由于某种原因没有构建完整的树？是否有任何可能的解决方案来解决这个问题。

Answer 1

好吧它现在有效，如果我的错误是使用xml函数将html文档制作成树。我使用了htmlReadMemory，现在完全构建了树。一些代码再次

xmlInitParser();


xmlDocPtr doc;
xmlXPathContextPtr xpathCtx;
xmlXPathObjectPtr xpathObj;


QByteArray arr = input.data().toUtf8();
int length = arr.length();
const char* data = arr.data();

doc = htmlReadMemory(data,length,"",NULL,HTML_PARSE_RECOVER);

if(doc == NULL) { return NULL;}


xpathCtx = xmlXPathNewContext(doc); 
if(xpathCtx == NULL)
{
    xmlFreeDoc(doc);
    xmlCleanupParser();
    return NULL;
}
xpathObj = xmlXPathEvalExpression(BAD_CAST "//*[@class='b-domik__nojs']", xpathCtx);

等

Answer 2

表达式在任何地方都可以使用，这真的很奇怪，因为它不是有效的XPath表达式。在轴规范（//）之后，谓词之前应该有一个nodetest（元素名称或*）（方括号中的条件）。

//*[@class='bdomik__nojs']

libxml2 xpath解析，无法按预期工作

2 个答案: